公开(公告)号：CN118413849A

公开(公告)日：2024-07-30

申请号：CN202410375973.7

申请日：2024-03-29

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 朱旭 ,  董志浩 ,  蒋宇飞 ,  曹杰

IPC: H04W24/02 ,  H04W40/08 ,  H04W40/20 ,  H04W40/22 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明提供了一种终端协同中继辅助的多维资源联合优化方法、系统及存储介质，包括联邦学习模型训练步骤、掉队终端的判别步骤、联合优化步骤；联邦学习模型训练步骤包括初始配置步骤、全局模型广播步骤、本地模型训练步骤、模型参数上传步骤、全局模型聚合步骤；联合优化步骤包括功率频率联合优化步骤、掉队终端‑中继终端关联步骤。本发明的有益效果是：本发明解决了无线联邦学习系统中的“掉队终端”判别、中继终端的选择与关联、计算和通信资源的联合优化等问题，提升了终端成功参与率、改善模型训练性能、最小化终端能耗。

公开(公告)号：CN114554457A

公开(公告)日：2022-05-27

申请号：CN202210026103.X

申请日：2022-01-11

Applicant: 哈尔滨工业大学(深圳)

Inventor： 朱旭 ,  董志浩 ,  蒋宇飞

IPC: H04W4/44 ,  H04W4/46 ,  H04W24/02 ,  H04W36/08 ,  H04W36/18 ,  H04W72/04

Abstract: 本发明公开了一种基于5G蜂窝车联网的车辆编队无缝切换和资源分配方法及系统，针对编队成员间的通信链路，将车辆编队在各路侧单元范围内的车辆数目作为频谱资源协同分配的关键控制参数，有效避免了RSU切换过程中可能出现的编队内干扰和RSU间干扰。针对RSU‑编队通信链路，提出基于CoMP技术的无缝切换方案，且对CoMP模式和切换决策的控制参数进行解耦和处理，便于CoMP模式和切换决策的灵活控制。以最大化有效吞吐量为目标，对RSU‑编队链路的CoMP模式的通信资源进行联合优化，提出了一种联合包长和传输功率优化算法。本发明提出的切换方案可以有效提升车辆编队在RSU切换期间的接收信噪比，同时针对CoMP模式提出的优化算法可以显著提升RSU‑编队链路的有效吞吐量。

公开(公告)号：CN114554457B

公开(公告)日：2024-09-06

申请号：CN202210026103.X

申请日：2022-01-11

Applicant: 哈尔滨工业大学(深圳)

Inventor： 朱旭 ,  董志浩 ,  蒋宇飞

IPC: H04W4/44 ,  H04W4/46 ,  H04W24/02 ,  H04W36/08 ,  H04W36/18 ,  H04W72/0453 ,  H04W72/51 ,  H04W72/50

Abstract: 本发明公开了一种基于5G蜂窝车联网的车辆编队无缝切换和资源分配方法及系统，针对编队成员间的通信链路，将车辆编队在各路侧单元范围内的车辆数目作为频谱资源协同分配的关键控制参数，有效避免了RSU切换过程中可能出现的编队内干扰和RSU间干扰。针对RSU‑编队通信链路，提出基于CoMP技术的无缝切换方案，且对CoMP模式和切换决策的控制参数进行解耦和处理，便于CoMP模式和切换决策的灵活控制。以最大化有效吞吐量为目标，对RSU‑编队链路的CoMP模式的通信资源进行联合优化，提出了一种联合包长和传输功率优化算法。本发明提出的切换方案可以有效提升车辆编队在RSU切换期间的接收信噪比，同时针对CoMP模式提出的优化算法可以显著提升RSU‑编队链路的有效吞吐量。

公开(公告)号：CN116090576A

公开(公告)日：2023-05-09

申请号：CN202211488531.0

申请日：2022-11-25

Applicant: 哈尔滨工业大学(深圳)

Inventor： 朱旭 ,  董志浩 ,  蒋宇飞

IPC: G06N20/00 ,  G06N5/048 ,  G06F9/50

Abstract: 本发明公开了一种面向无线分层联邦学习系统的多准则用户选择方法，该方法由位于无线分层联邦学习系统中层的各边缘服务器执行，具体包括：各边缘服务器利用基于模糊逻辑理论的多准则用户评分机制获取其覆盖范围内所有用户的模糊评分，各边缘服务器根据模糊评分排序进行用户选择，被多边缘服务器重复选择的用户反向选择边缘服务器，以及边缘服务器选择替补用户等。本发明方法将用户地理位置、电池现有电量和可调动计算资源等诸多因素考虑在内，能够在用户选择时综合考量上述多种因素之间的相互影响，选择出综合能力更强的用户参与联邦学习，进而减少用户的多维异构性对联邦学习系统性能的负面影响。

公开(公告)号：CN116418687A

公开(公告)日：2023-07-11

申请号：CN202310196400.3

申请日：2023-03-03

Applicant: 哈尔滨工业大学(深圳)

Inventor： 朱旭 ,  董志浩 ,  蒋宇飞

IPC: H04L41/14 ,  H04L41/0833 ,  H04L67/10 ,  G06N20/00

Abstract: 本发明公开了一种低能耗无线联邦学习系统的参数优化和资源分配方法，构建低能耗无线联邦学习系统模型并建立联邦学习流程；以最小化系统模型能耗为优化目标，建立联合参数优化和资源分配问题，将联合参数优化和资源分配问题拆分为聚合间隔优化子问题并计算得到最优聚合间隔、频率优化子问题并计算得到最优计算频率、带宽分配优化子问题并计算得到最优带宽分配和传输功率优化子问题并计算得到智能终端和边缘服务器的最优传输功率。本发明对无线通信和模型训练的多个变量进行联合优化，在模型训练性能的限制下，最小化联邦学习过程中的系统能耗，本发明方法可以明显降低系统能耗。